中部某省县级综合医院医疗服务效率发展趋势研究

荆 丽，余鸣人，龚易晓，徐 娟，2

1 华中科技大学同济医学院医药卫生管理学院，湖北武汉，430030；2 湖北省卫生技术评估研究中心，湖北武汉，430030

县级综合医院是我国农村三级卫生服务网的龙头，其医疗服务效率(以下简称“服务效率”)的高低关系着9亿农村居民的卫生服务保障水平[1-2]。但在服务效率等方面，县级综合医院仍与三级医院存在着较大差距，且各县级综合医院彼此间的服务效率发展水平也参差不齐。改善县级综合医院的服务效率能够有效提升卫生资源配置的经济性。对服务效率的发展趋势进行研究则能够帮助医院分析发展优势或瓶颈，从而为区域卫生政策的厘定提供参考依据。既往对县级综合医院的研究多聚焦于效率的总体评价[3-5]，且对纵向数据的处理也多采用Malmquist-DEA模型，该模型侧重于单一样本医院的具体效率变动情况。而从宏观层面，利用潜变量增长混合模型(latent growth mixture modeling, LGMM)从整体和个体的增长异质性对处于不同效率发展轨迹的样本进行潜在分类[6]，即综合考虑样本的群体异质性和个体差异性，再比较不同潜类别间医院特征的差异则鲜有研究。LGMM是当前对于处理群体异质性增长问题的常用分析模型之一，结合纵向数据能够有效兼顾不同潜类别组间及组内的个体增长差异，且与传统的增长统计模型有所不同，可使研究结果更具有现实指导意义[7]。本研究分析中部某省县级综合医院服务效率的发展趋势，首先构建效率评价模型测算医疗服务效率，进而构建LGMM对处于不同效率发展趋势的医院进行分类，并比较不同类型医院间的内外部因素差异，旨在有针对性地提高该省县级综合医院的医疗服务效率，为合理分配医疗卫生资源提供参考。

1 资料来源与方法

1.1 研究对象

本研究数据来自中部某省158家县级综合医院在2013-2018年间的统计报表。表中包含各样本医院的内外部因素指标，如医生护士总数、医院总资产、区域经济发展指标等内容。

1.2 研究方法

1.2.1 超效率SBM-Undesirable-DEA综合模型。本研究采用SBM-Undesirable-DEA模型测算医疗服务效率，采用Global参比解决不同机构不同年份间效率前沿面的连续性问题，并基于4个投入指标(执业医师数、注册护士数、实有床位数和万元以上设备数)和4个产出指标(总诊疗人次数、出院人数、手术人次数和不良事件数)进行测算[8-9]，其中投入和产出指标的选择参考了国内外相关文献。而不良事件数属于非期望产出指标，故选取SBM-Undesirable-DEA模型。此外，投入产出指标根据价格指数处理成年度可比数据。由于被评价单元的性质相同(均为县级综合医院)，且DEA对效率的测量属于相对指标，故样本医院间在医疗服务上的差异不会对分析产生影响。为尽可能保留效率值信息，并克服传统DEA模型效率值最大为1的问题，本研究引入了超效率DEA模型。超效率SBM-Undesirable-DEA综合模型规划式如下[10-13]：

(1)

s.t.

x0=XØ+s-

(2)

y0=YØ+sy

(3)

b0=BØ+sb

(4)

s-≥0,sy≥0,sb≥0,Ø≥0

上式中，s.t.为限制条件，m代表投入指标的数量，h表示第h项投入，r为县级综合医院，r0表示待测算医院；X、Y和B分别代表6年间158家县级综合医院的投入、产出和非期望产出向量；s-、sy和sb分别代表医院投入、医院期望产出和医院非期望产出的松弛变量；Ø为权重向量；ρ*为目标函数且0<ρ*≤1。

1.2.2 LGMM及相关参数。测得样本医院的服务效率值后，利用LGMM对样本医院的服务效率发展轨迹进行潜在分类，该模型的方程表达式如下[14]：

(5)

αki=μαk+ζαik

(6)

βki=μβk+ζβik

(7)

Y表示医疗服务效率值。式中的i表示县级综合医院，t为时间点，p为将样本医院进行潜分类的概率，k为潜分类的类别数，ε为残差。式(5)是观测变量Y的回归模型；式(6)、式(7)分别为截距和斜率表达式，在样本均值的基础上考虑到差异。其中，α和β分别表示个体i发展轨迹的截距和斜率，μ为固定系数，ζ为随机系数。

研究拟合模型的参数估计方法采用稳健极大似然估计。模型的选择主要参考以下指标[14]：AIC、BIC和aBIC(样本调整BIC)，统计值均为越小越好；熵是指模型对样本进行其所属类别分类的准确度，其取值为0-1，一般认为大于0.8时分类准确度便已较高；LMR为似然比检验，BLRT是基于Bootstrap的似然比检验。采用SPSS 26.0将原始数据由长格式转换为Mplus 8.3中进行LGMM分析时所需的宽格式。

1.2.3 潜类别间的差异分析。得到样本医院的潜分类结果后，再利用SPSS 26.0进行不同潜类别医院间内外部因素的组间差异分析，以验证该模型的分类效果(检验水准为α=0.05)。其中，医院外部因素包括区域人均GDP和区域总人口数；内部因素包括医生护士总数、医院总资产和万元以上设备数。

2 结果

2.1 超效率SBM-Undesirable-DEA综合模型一般结果

中部某省158家样本医院在2013-2018年间的效率变化总体呈波动下降趋势，且6年间全部样本医院的效率总均值为0.61，处于略低水平。2013年的效率均值最高(0.66)，后迅速下降至2015年的最低点(0.55)，然后又开始缓慢提升但一直低于2013年的效率均值。见表1。样本医院的投入和产出相关指标的基本情况统计见表2。

表1 样本医院2013-2018年间的医疗服务效率一般特征

表2 样本医院2013-2018年间的投入、产出基本情况

2.2 LGMM拟合结果

由表3可知，AIC、BIC和aBIC的值均随着分类数的增加呈现先减小后增大的趋势。Entropy虽然在3C和4C时最高(C表示模型分类结果中的类别数)，但相应的条件概率分类结果显示更支持2C。LMR和BLRT的检验结果在2C和3C时均显著。2C时模型中各类别的被试归属于各潜在类别的平均概率均达90%以上。见表4。综合以上各项指标信息，最终本研究选择2C的模型，并根据两潜类别的发展轨迹特征命名为以下两类。见图1。

表3 模型拟合结果

表4 各潜类别被试(行)的平均归属概率(列)

图1 模型潜分类下的医院服务效率年度均值发展趋势

C1为低效率瓶颈期组(86个，占比55%)。该组的初始效率均值(i)较低(0.47)且总体呈缓慢下降趋势。i(截距)和s(斜率)的均值为0.47(P<0.01)和0.00(P>0.05)，方差分别为0.01(P<0.01)和0.00(P<0.01)。i和s之间的相关系数为-0.002(P<0.05)，即较高的效率初始值却对应较慢的发展速率，但相关程度偏低。

C2为中高效率稳定期组(72个，占比为45%)。该组的初始效率均值(i)较高(0.76)，且总体呈缓慢上升趋势。i和s的均值分别为0.76(P<0.01)和0.00(P>0.05)，方差分别为0.01(P<0.01)和0.00(P<0.01)。i和s之间的相关系数值及含义与C1相同，即虽然C2组的效率均值高于C1，但发展速度可能较C2慢。

2.3 两组潜类别间的差异分析

通过模型拟合可将中部某省样本医院的医疗服务效率发展轨迹分为两类，如果两潜类别在内、外部因素上存在显著差异，则可从侧面说明该模型的分类是有意义的。因此，在保存了模型的分类结果后，将两潜类别在内外部指标上作了组间差异分析。见表5。

表5 两潜类别医院间相关指标的差异分析结果

外部指标中，区域人均GDP在两组间的差异未见统计学意义(P>0.5)；但区域总人口数的差异有统计学意义(P<0.05)，且从均值来看C1组的区域总人口数小于C2组。内部指标中，医生护士总数、医院总资产和万元以上设备数在两潜类别间的差异均有统计学意义(P<0.05)；由均值可知C1组的这3个指标均值全部小于C2组。

3 讨论

3.1 该省样本医院的医疗服务效率整体偏低

从效率测算结果可知6年间该省样本县级综合医院的医疗服务效率总均值略低，其中2015年的效率均值最低(0.55)，可能与2012年该省县级公立医院开始分批开展综合改革试点以及2015年全面推开有关，即取消药品加成等措施的推行[1, 15]。取消药品加成之前可能由于高额的药品收入，医务人员的工作积极性也较高，因此单位投入所贡献的产出也较多。但现阶段县级综合医院依靠医疗服务收入以及获得的财政投入相对有限，且在卫生服务价格方面进行的调整还不足以填补药品、检查等收入的空间[1, 15]。随后在2016-2018年间，服务效率整体呈逐步改善状态，虽然速度较慢，可能与医疗服务价格的调整以及部分县对取消药品加成的财政补助高达100%等有关[1, 15-16]。但补偿机制的建立需要一定的时间周期，因此出现效率下降后又缓慢提升的现象。

3.2 该省样本医院间的医疗服务效率发展存在差距

LGMM分析结果显示该省样本医院的医疗服务效率发展轨迹大致分为低效率瓶颈期组和中高效率稳定期组，体现了区域卫生发展间的不均衡问题。由于C2组的初始效率均值较高(0.76)，故保持了中高效率的稳定发展态势；而C1组的初始效率均值(0.47)远低于C2组，故较难突破其固有的发展态势。由分析结果可看出，对于发展轨迹不明确的现象可通过LGMM有效分析潜在的不同变化类型。在实践研究中，LGMM有助于更准确、科学地区分不同的潜在类别。因此相关部门应对不同服务效率发展类别的医院提出有针对性的解决方案及措施，该省县级综合医院的卫生设施条件及经济发展水平均在不断改善，但相应的改革调整措施仍需进一步跟进，应重视帮扶服务效率较低的医院构建医疗服务价格动态调整机制等[1]，从而推进效率较低的医院的规模经济增长进程以缩小医院间的效率发展差距。由于服务效率呈总体下降趋势的医院占比较高，不利于该省卫生事业的良好发展，因此相关部门应协助效率发展瓶颈期的医院因地制宜拟定机构发展规划，并进行区域卫生资源的再整合以改善各类卫生资源间配置缺乏经济性的现象[1]。

3.3 不同潜类别医院间的内外部指标存在显著差异

内外部指标差异分析结果显示，两潜类别组在医院的内外部指标上基本均存在显著差异。两组间在外部环境的区域总人口数上存在显著差异，由于C1组的区域总人口数低于C2组，则相应的就诊人数可能也会落后于C2组，这是由不可改变的外部因素决定的，但在人均GDP上两组间的差异并不显著。这提示若要改善服务效率则不能仅将关注点聚焦到不可变化的外部因素上，缩小医院间的内部差异将更具可操作性，这也与部分研究类似[17-18]。其次，在样本医院的内部指标方面，C1组的医生护士总数、医院总资产和万元以上设备数均落后于C2组。这提示医院的自身发展规模是改善医疗服务效率发展趋势的核心因素，即医院的规模越大且综合实力越强时，则越有可能保证其服务效率发展呈总体上升态势。因此应保障医疗机构的卫生人才数量到位，提高医院的技术创新建设水平[17]，避免出现人、物力资源的配备增幅不协调等问题[1]；拟定适宜的机构发展规划以保证财务的健康持续发展；在保障科室医疗设备完善的同时，提升现有资源的使用率[1]。

总体而言，该省样本医院6年间的医疗服务效率总体发展水平较低，处于低效率瓶颈期组的医院占比较高。不同发展轨迹的医院彼此之间在一些内外部指标上具有显著差异，这提示医院需注重对内部因素的加强以提升服务效率。需要指出的是，由于本研究所用样本仅选自中部某省县级综合医院，因此研究结论仅适用于该地区，其他地区还需结合实际情况探索服务效率的发展。